77 Estimación en gestión de proyectos de software basada en explotación de información (Articulo) autor Bogado, Verónica,Dapozo, Gladys,García Martínez, Ramón

Vista previa del material en texto

ESTIMACIÓN EN GESTIÓN DE PROYECTOS DE SOFTWARE 
BASADA EN EXPLOTACIÓN DE INFORMACIÓN�
Bogado, Verónica1, Dapozo, Gladys1; García Martínez, Ramón2
1. Departamento de Informática. Facultad de Ciencias Exactas y Naturales y Agrimensura 
Universidad Nacional del Nordeste 
2. Grupo Investigación en Sistemas de Información. Departamento Desarrollo Productivo y Tecnológico 
Universidad Nacional de Lanús 
vro.s.bg@gmail.com, gndapozo@exa.unne.edu.ar, rgarcia@unla.edu.ar 
 
RESUMEN 
El desarrollo del software requiere de la 
estimación para controlar y administrar los 
recursos que se necesitan utilizar antes y 
durante el proyecto. Son numerosas las 
variables relacionadas con los recursos 
humanos, el contexto y las políticas que 
intervienen en su proceso que pueden afectar 
los resultados finales. Sin embargo, la 
sistematización de la estimación puede lograr 
muy buenos resultados, principalmente cuando 
la organización cuenta con datos históricos de 
estimaciones y métricas de proyectos anteriores. 
En este trabajo se presentan las líneas de 
investigación y desarrollo orientadas hacia el 
análisis, estudio y discusión de métodos de 
estimación para el desarrollo de software, 
aplicando técnicas de explotación de 
información para la construcción de modelos 
que aporten a la toma de decisiones en la 
Ingeniería de Software. Se espera que los 
resultados sean trasferidos al medio como 
forma de contribuir al desarrollo de la industria 
del software en la región NEA. 
 
Palabras clave: Explotación de información, 
Gestión de proyectos de software, Técnicas de 
estimación. 
 
CONTEXTO 
Las líneas de I/D presentadas en este trabajo se 
encuadran en las actividades de colaboración y 
asistencia técnica y académica especialmente 
orientada a la formación de recursos humanos 
en carreras de Informática, realizado entre la 
Universidad Nacional de Misiones (UNAM), 
Universidad Nacional del Nordeste (UNNE) y 
la Universidad Nacional de Lanús (UNLa). 
INTRODUCCION 
La construcción de métodos de estimación de 
proyectos de software que logren resultados 
predictivos sobre los recursos a emplear que se 
ajusten de la mejor manera posible a la realidad 
obtenible, es un problema abierto en el campo 
de los sistemas de información [1]. 
El desarrollo de software requiere de la 
estimación para controlar y administrar los 
recursos que se necesitan utilizar antes y 
durante el proyecto. No se puede considerar la 
estimación como una ciencia exacta, ya que 
existen numerosas variables humanas, técnicas, 
del entorno y políticas, que intervienen en su 
proceso y que pueden afectar los resultados 
finales. Sin embargo, cuando es llevada a cabo 
en forma sistemática, se pueden lograr 
resultados con un grado aceptable y convertirla 
en un instrumento útil para la toma de 
decisiones [2]. 
Por otra parte, el desarrollo tecnológico 
alcanzado en nuestros días, unido al 
consecuente abaratamiento de los recursos, han 
propiciado que cualquier organización sea 
capaz de almacenar todos los datos generados 
por su actividad. Esta facilidad para generar y 
almacenar información ha fomentado en los 
últimos años el desarrollo y perfeccionamiento 
de técnicas de Explotación de Información y 
Aprendizaje Automático para la extracción de 
conocimiento a partir de grandes conjuntos de 
datos (KDD, Knowledge Discovery Databases)
y el desarrollo de Sistemas de Ayuda a la Toma 
de Decisiones (DSS, Decisions Support 
Systems). 
En general, los DSS son aplicables a cualquier 
campo o actividad social o industrial. Las áreas 
de aplicación de los DSS son muy diversas, 
brought to you by COREView metadata, citation and similar papers at core.ac.uk
provided by Servicio de Difusión de la Creación Intelectual
https://core.ac.uk/display/15776963?utm_source=pdf&utm_medium=banner&utm_campaign=pdf-decoration-v1
entre ellas: la gestión y planificación de 
negocios, atención sanitaria, militar, y cualquier 
área de gestión en el que se encuentren 
situaciones de toma de decisión complejas. 
Entre estas áreas se encuentra la Ingeniería de 
Software y, en concreto, la gestión de proyectos 
de desarrollo de software donde se usan las 
citadas técnicas principalmente para decisiones 
estratégicas y tácticas en la gestión de nivel 
superior. 
En este contexto, teniendo almacenadas las 
variables que miden el proceso de desarrollo de 
un proyecto software, se puede establecer un 
modelo que ayude a encontrar las condiciones 
más idóneas para abaratar el costo y reducir el 
tiempo de realización del proyecto. 
En la gestión y desarrollo de sistemas de 
Ingeniería de Software se deben tomar 
múltiples decisiones en innumerables 
situaciones del desarrollo y mantenimiento de 
dichos sistemas. Las fases en las que es preciso 
tomar decisiones acertadas comienzan en las 
evaluaciones iniciales sobre la corrección de los 
requisitos, evaluación de las arquitecturas, 
diseños, prototipos y otros elementos de las 
estructuras de las aplicaciones. En las fases de 
diseño, codificación y pruebas los técnicos 
también deben tomar decisiones acerca de los 
productos intermedios. Además, en todas las 
actividades de gestión el responsable del 
proyecto debe resolver adecuadamente en las 
distintas situaciones que se plantean. El aporte 
de información, cuantitativa o cualitativa, 
contribuirá a mejorar el proceso de toma de 
decisiones [3]. 
Las ventajas que ofrecen las técnicas de 
Explotación de Información para el análisis de 
información, junto a la necesidad de desarrollar 
DSS en el campo de la Ingeniería de Software, 
generan interesantes posibilidades de estudio y 
desarrollo. 
 
Explotación de Información 
La explotación de información engloba un 
conjunto de técnicas encaminadas a la 
extracción de conocimiento procesable 
pudiendo abordarse la solución a problemas de 
predicción, clasificación y segmentación en la 
extracción de conocimiento no trivial que reside 
de manera implícita en los datos disponibles en 
distintas fuentes de información [4]. 
La Explotación de Información puede definirse 
como un elemento fundamental de un proceso 
más amplio, el cual tiene una primera etapa de 
preparación de datos, luego el proceso de 
explotación de información, la obtención de 
patrones de comportamiento, y la evaluación e 
interpretación de los patrones descubiertos [5]. 
Este conjunto de técnicas pueden aplicarse a la 
solución de problemas de predicción, 
clasificación y segmentación. Los fundamentos 
de estas técnicas se encuentran en el análisis 
estadístico y en los sistemas inteligentes. Del 
análisis estadístico se toma las siguientes 
técnicas: análisis de varianza, análisis de 
regresión, prueba Chi-cuadrado, análisis de 
agrupamiento, análisis de componentes, análisis 
discriminante, series de tiempo. De los 
sistemas inteligentes se usa las siguientes 
tecnologías: algoritmos genéticos, algoritmos 
que generan árboles de decisión (TDIDT - Top 
Down Induction Decision Trees), redes 
neuronales, redes bayesianas [6]. La regresión 
logística es un método lineal que intenta 
modelar la probabilidad de ocurrencia de un 
evento de interés, donde la variable dependiente 
es categórica dicotómica o policotómica, a los 
efectos de facilitar la interpretación [7]. Las 
redes neuronales son modelos computacionales 
inspirados en las características 
neurofisiológicas del cerebro humano y están 
formadas por un gran número de neuronas 
dispuestas en varias capas e interconectadas 
entre sí mediante conexiones con pesos. Las 
redes neuronales constituyen herramientas 
analíticas que permiten examinar los datos con 
el objeto de descubrir y modelar las relaciones 
funcionales existentes entre las variables. 
Pueden comportarse como técnicas de 
aproximación o de clasificación universales [8]. 
Los árboles de decisión son una serie de reglas 
o condiciones organizadas de forma jerárquica, 
a modo de árbol. Son muy útiles para encontrar 
estructuras en espacios de alta dimensionalidad 
y en problemas que mezclan datos categóricos y 
numéricos[9]. 
 
Métodos de Estimación 
Fenton y Pfleeger establecieron cuatro 
categorías de métodos de estimación que tienen 
como objetivo predecir el costo y esfuerzo del 
proyecto [9]. 
1. Opinión de expertos. Un desarrollador o 
gestor describe los parámetros del proyecto y 
los expertos realizan estimaciones basadas en 
su experiencia. 
2. Analogía. Enfoque más formal que el 
anterior, los expertos comparan el proyecto 
propuesto con uno o más proyectos 
anteriores intentando encontrar similitudes y 
diferencias particulares. 
3. Descomposición. Análisis minucioso de las 
características que afectan al costo del 
proyecto mediante la descomposición del 
producto o del proceso software. En el 
primer caso se realizan estimaciones 
individuales sobre los componentes en que 
se descompone el producto y en el segundo 
sobre las tareas de bajo nivel que forman 
parte de otras superiores. Las estimaciones 
de bajo nivel se pueden combinar siguiendo 
diferentes procedimientos para producir una 
estimación global sobre el proyecto 
completo. 
4. Modelos. Técnicas que identifican los 
factores clave que contribuyen al esfuerzo y 
generan un modelo matemático que relaciona 
dichos factores con el esfuerzo. Los modelos 
se basan normalmente en información 
obtenida de experiencias pasadas. 
Los métodos del último grupo representan el 
enfoque más formal y son los que proporcionan 
resultados más fiables. En un principio 
recibieron el nombre de métodos algorítmicos o 
paramétricos debido a que utilizaban 
procedimientos como la regresión para producir 
un modelo constituido por una o varias 
expresiones matemáticas que relacionan el 
esfuerzo con una variable primaria, 
generalmente el tamaño, y varios factores de 
ajuste secundarios. El modelo COCOMO es el 
más representativo de este grupo. 
Actualmente, los métodos de estimación 
basados en modelos empíricos incorporan 
técnicas heurísticas consideradas no 
algorítmicas en el sentido de “no 
deterministas”, es decir, no sólo se considera la 
solución, sino la probabilidad de que esa 
solución sea cierta. La inducción de árboles de 
decisión, redes neuronales, algoritmos genéticos 
y otras técnicas de aprendizaje automático se 
utilizan para construir modelos de predicción de 
diferentes atributos del software. 
 
Estimación del esfuerzo 
La estimación del esfuerzo de desarrollo de un 
proyecto software representa un papel 
importante dentro de la creación y 
mantenimiento de productos software. La 
misma permite evaluar la viabilidad del 
proyecto, así como analizar sus posibles 
alternativas y gestionar los recursos necesarios 
para el desarrollo del mismo. Por lo tanto, 
disponer de una buena estimación en las etapas 
iniciales del desarrollo del proyecto software 
resulta clave para las empresas de software 
[10]. 
Esta estimación del esfuerzo implica un proceso 
de predicción de tiempo y recursos necesarios 
para llevar a cabo el proyecto en tiempo y 
forma, teniendo como base información incierta 
e incompleta. Para el proceso de estimación del 
esfuerzo se puede usar como entradas datos 
tomados de planes de proyectos anteriores o de 
iteraciones (fases anteriores de un proyecto), 
presupuestos o estudios realizados 
(investigaciones). 
Además de contar con cierta información 
inicial, es necesario contar con herramientas y 
técnicas que permitan reflejar con mayor 
precisión la realidad de los proyectos. 
En la literatura existen varios enfoques de 
estimación de esfuerzo. Uno de estos enfoques 
es la estimación del experto, técnicas que se 
basan en el juicio del experto y su experiencia, 
reflejadas en trabajos como [11]. Existen otras 
propuestas que emplean modelos de regresión, 
los cuales usan parámetros independientes 
(tamaño del software entre otros), teniendo 
como ventaja la base matemática para medir la 
bondad de ajuste (determina cuanto se ajusta el 
modelo a los datos); sin embargo, tienen la 
desventaja que ser modelos muy susceptibles a 
valores outlier, además de necesitar un conjunto 
de datos grande lo cual es un problema en el 
campo de la estimación de software ([12], [13]). 
Otras propuestas se enfocan en la aplicación de 
redes neuronales, que si bien éstas se diseñan 
para un conjunto de datos de entrada (puntos de 
función, lenguajes de implementación, etc.) 
como para sus salidas (esfuerzo de desarrollo), 
las mismas carecen de la capacidad de 
explicación y no proveen un entorno para una 
adaptación directa de los resultados ([12], [13]). 
Por otro lado, el razonamiento basado en casos 
ha demostrado ser otra opción para la 
estimación de esfuerzo en proyectos de 
software; esta técnica resuelve nuevos 
problemas a partir de soluciones de problemas 
anteriores, permitiendo de esta forma justificar 
los resultados, basándose en los casos previos, 
es muy similar a la estimación del experto [12]. 
La estimación del esfuerzo, a pesar de ser un 
tema muy discutido y existiendo gran número 
de propuestas, es un proceso que sigue siendo 
principalmente realizado por el experto. 
El problema que presentan las estimaciones del 
esfuerzo hoy en día es la tendencia a ser sobre 
optimistas, llevando a que el desarrollo demore 
más de lo especificado en el contrato con el 
cliente, incrementando los costos 
presupuestados y no cumpliendo con los 
tiempos pautados. Este problema se agrava aún 
más en empresas medianas y pequeñas, dado 
que éstas tienen como objetivo prioritario el de 
incrementar el portfolio de proyectos y captar 
nuevos clientes, existiendo una tendencia a 
atemorizarse ante la pérdida de un cliente, 
prometiendo así tiempos imposibles de 
sobrellevar en el trascurso de la ejecución del 
plan. 
Los modelos existentes para la estimación son 
variados ofreciendo valores predictivos de 
costos y esfuerzo para el desarrollo de software. 
Pero cualquiera sea el método escogido, es 
importante que la organización recolecte y 
mantenga un conjunto de datos históricos de 
estimaciones y métricas de proyectos anteriores, 
de forma que las estimaciones futuras sean más 
confiables. 
En este contexto resulta interesante el estudio 
de métodos, técnicas y herramientas para 
estimación de esfuerzo que sean adaptables a 
las necesidades de las empresas de la zona, que 
por sus características se encuentran en una 
etapa inicial de madurez. 
Empresas de Software y Servicios 
Informáticos (SSI) de la región NEA 
Las empresas de SSI de las provincias de 
Corrientes y Chaco en forma conjunta con los 
respectivos gobiernos provinciales y las 
universidades con carreras de Informática 
radicadas en la región han concretado la 
conformación de los Polos IT Chaco (2005) e 
IT Corrientes (2007). 
En un estudio acerca de la caracterización de 
estas empresas, se detectó que su perfil es 
similar al descripto en el informe sobre las 
empresas de software del país realizado por la 
CESSI [14]. La mayoría de las empresas tiene 
menos de 10 empleados, su plantel de recursos 
humanos está formado por profesionales 
informáticos de alta calificación, las actividades 
se orientan principalmente al desarrollo de 
software, las principales dificultades para el 
crecimiento están relacionadas con el 
financiamiento y el nivel económico interno, la 
falta de certificación de calidad y problemas de 
comercialización [15]. 
Conocer a las empresas de software, cómo 
funcionan y cuáles son sus dificultades, 
permitirá definir acciones concretas de 
vinculación entre las universidades de la región 
y las entidades productoras de software, a fin de 
promover e implementar mejores prácticas de 
desarrollo de software orientadas especialmente 
a las pequeñas empresas a fin de favorecer su 
desarrollo y contribuir a la promoción de la 
industria del software en la región del Nordeste 
Argentino (NEA). 
 
LINEAS DE INVESTIGACION 
Y DESARROLLO 
Las principales líneas del proyecto están 
orientadas hacia el análisis, estudio y discusión 
de métodos de estimación de desarrollo de 
software, aplicando técnicas de explotación de 
informacióny construcción de modelos que 
aporten a la toma de decisiones en la Ingeniería 
de Software. 
Por otra parte, dentro de los objetivos del 
proyecto, se destaca como relevante que los 
resultados sean trasferidos al medio como 
forma de contribuir al desarrollo de la industria 
del software en la región NEA. 
RESULTADOS OBTENIDOS/ESPERADOS 
En esta primera etapa del desarrollo del 
proyecto las actividades propuestas son: 
� Relevamiento y análisis de las distintas 
técnicas utilizadas en la Ingeniería de 
Software para la estimación en proyectos de 
desarrollo de software. 
� Investigación sobre las prácticas de 
estimación que utilizan las empresas de 
software de la región, determinación del 
grado de satisfacción con los resultados 
estimados e identificación de los distintos 
factores que afectan la calidad de la 
estimación. 
� Generación de un repositorio de datos con 
valores de métricas de proyectos que permita 
la aplicación de los métodos para medir y 
estimar el esfuerzo necesario para el 
desarrollo de un nuevo proyecto. 
� Especificación de un modelo de 
estimación/predicción de esfuerzos para el 
desarrollo de software utilizando alguna de 
las técnicas del campo de Explotación de 
Información. 
 
FORMACION DE RECURSOS HUMANOS 
En el marco del proyecto se desarrolla tesis de 
Maestría en Ingeniería de Software, tesis 
doctoral y planes de investigación de becarios 
de investigación de pregrado. 
 
REFERENCIAS 
[1] Rodríguez, D., Pollo-Cattaneo, F., Britos, P., García-
Martínez, R. “Estimación Empírica de Carga de 
Trabajo en Proyectos de Explotación de 
Información”. Anales del CACIC 2010 - XVI 
Congreso Argentino de Ciencias de la Computación, 
pag. 664-673, 2010. 
[2] Rodríguez Brito, D., Febles Estrada, A., Delgado 
Martínez, R., Machado Cento.A.G., Monagas Reyes, 
M.A. “Método de Estimación para Proyectos de 
Desarrollo de Software de da Universidad de las 
Ciencias Informáticas (UCI)”. Décima Edición de la 
Semana Tecnológica. Disponible en 
http://semanatecnologica.fordes.co.cu/public/site/36
3.pdf 
[3] Francisco Ferrer Troyano, Raúl Giráldez Rojo, 
Roberto Ruiz Sánchez. “Estimación y toma de 
decisiones mediante Minería de Datos”. Capítulo 
del libro “Técnicas Cuantitativas para la Gestión en 
Ingeniería de Software”, pag. 245-266. Editorial 
Netbiblo. 2007. 
[4] Britos, P. “Procesos de explotación de información 
basados en sistemas inteligentes”. Tesis Doctoral 
Universidad Nacional de la Plata. La Plata. Buenos 
Aires. Argentina. 2008. 
[5] Fayyad, U. M., Piatetsky-Shapiro, G., Smyth, P. , 
Uthurusamy, R. “Advances in Knowledge Discovery 
and Data Mining”. AAAI/MIT Press. 1996. 
[6] García Martínez, R., Servente, M., Pasquini, D. 
“Sistemas Inteligentes”. Editorial Nueva Librería. 
Buenos Aires. 2003. 
[7] Britos, P. “Minería de Datos”. Buenos Aires: Nueva 
Librería. 2005. 
[8] Castillo, E., Cobo, A., Gutiérrez, J. M., Pruneda, R. 
E. “Introducción a las Redes Funcionales con 
Aplicaciones. Un Nuevo Paradigma Neuronal”. 
Editorial Paraninfo S.A. Madrid. España. 1999. 
[9] Moreno Garcia M., García Peñalvo F., “Modelos de 
Estimación del software basados en técnicas de 
aprendizaje automático”. Capítulo del libro 
“Técnicas Cuantitativas para la Gestión en Ingeniería 
de Software”. Pag. 109 a 127. Editorial Netbiblo. 
Año 2007. 
[10] López, J. E., Dolado, J.J., “Reducción de las 
probabilidades condicionadas en la estimación del 
esfuerzo software mediante Redes Bayesianas. Actas 
de los Talleres de las Jornadas de Ingeniería de 
Software y Bases de Datos, Vol. 4, No. 1, 2010. 
[11] Jorgensen, M. “A review of studies on expert 
estimation of software development effort”, The 
Journal of Systems and Software 70 (2004) 37–60, 
2004. 
[12] Finnie, G. R.; Wittig, G. E.; Desharnais, J.M. “A 
Comparison of Software Effort Estimation 
Techniques: Using Function Points with Neural 
Networks, Case-Based Reasoning and Regression 
Models”. Journal of Systems and Software, 1997. 
[13] Bilge Başkeleş, Burak Turhan, Ayşe Bener. 
“Software Effort Estimation Using Machine 
Learning Methods”. IEEE. 2007. 
[14] Cámara de Software y Servicios Informáticos - 
CESSI. “Situación actual y desafíos futuros las 
PYMES de software y servicios informáticos”, 
http://www.cessi.org.ar/index.htm 
[15] Estayno, M., Dapozo, G.; Greiner, C.; Cuenca 
Pletsch, L.; Pelozo, S. “Caracterización de las pymes 
de software de la región NEA orientada hacia un 
marco de mejora de la calidad”. Anales del CACIC 
2009. Pag. 901 a 910. ISBN 978-897-24068-4-1